首先是softmax函数，我认为我在之前的文章

(资料图片仅供参考)

分类模型中为何更适合使用softmax函数？

已经较为清楚的阐述，故这里不再重复赘述。

在上文中，我较为清晰的说明了，softmax函数只是为了将我们的预测结果，表达成一种合适的结果，去拟合one-hot编码。

但是对于这种向量标签，我们并不能很好的去定义其损失函数（误差函数）。

我们理所当然应该想到均方误差函数，但实际上，均方误差函数(MSE)，对于标量标签确实能起到一个非常好的效果。

而对于一个向量标签，我们选择了一个能实现与之同等效果的CrossEntropy函数，也即交叉熵损失函数。

如上图所示，其中  为正确的标签，而 为预测标签(经过softmax处理后)。

该损失函数在计算上具有非常明显的便利性，即仅考虑正确标签下对应的损失。例如，我们不妨令  = [0, 1, 0]， = [, , ]， 那么此时的  ，

即仅考虑到了正确标签下的损失。

而其优越性不仅表现在此处，其导函数更是有非常优异的性质，即：

其中  为未经softmax处理前得到的预测标签。

换言之，

如下图所示：

毫无疑问，y_ == softmax(y_pred) - one_hot(y)，这是成立的。（不成立可能是精度误差导致的，看图中明显成立）。

而观察y_，对于y[1]这个样本，我们明显可以看出，其梯度是正在减少前两项的权值，而增大最后一项的权值，以努力实现正确归类至第三类，这是符合我们预期的。

故，CrossEntropy函数确实是在朝着我们的目标去实现。